家用移动智能心电监护系统设计

心电监护是心脏病防御的重要依据,基于穿戴式传感检测和蓝牙技术,设计了一种家用移动智能心电监护系统。系统采用HKD-10L蓝牙心电传感器采集心电数据,发送到Android终端实时地画出心电图,基于特征点分析,进行心电异常诊断,通过网络将心电数据和诊断报告上传至云服务中心,方便日后查询与医生实时在线复诊。设备搭建方便,成本低廉,用MIT心电数据库进行测试,心电波形分析正确率达95.5%。     

心肌梗死并右束支阻滞心电雷达图表示与特征提取

提出一种新的基于多元统计分析中图表达原理的心电雷达图表示方法.选取MIT-BIHPTB心电诊断数据库数据,每一导联随机截取一个心动周期,给予12导联心电雷达图表示,并提取径向坐标图包围面积、分区面积、最大值方向、图形对称性、区域间极值和相邻幅值比特征参数进行分析,发现该方法可直观、准确地从心电形态学角度定性、定量表征心脏生物电变化.     

心电信号的降噪处理及其评价研究

为抑制心电信号中存在的噪声干扰,以利于准确提取反映心电信号的特征信息,文章提出应用一维离散小波变换实现对心电信号的降噪处理方法.通过对MIT/BIH心电数据库中的心电信号进行仿真,研究结果表明,该方法能够有效地去除心电信号中的噪声,对实现心电信号特征信息的提取具有一定的实用价值.     

基于虚拟仪器的心功能检测系统的设计

设计了一种基于虚拟仪器的具有心电采集和踏车控制功能的心功能检测系统.系统采用自行设计的数据采集卡来实现心电数据的安全测量和输出控制指令.数据采集卡由心电信号放大电路、信号采集电路、踏车控制电路组成,通过USB接口与PC机相连.系统软件采用LabVIEW编程语言,可实现数据库管理、心电波形显示、心电特征点分析、实时心率显示、ST段识别、踏车控制、数据即时存储、波形回放以及打印诊断结果等功能.     

心电信号中去除肌电干扰信号的研究

心电信号是一种极易受环境影响的微弱信号,其中夹杂的各种干扰噪声增加了心电信号的分析和诊断难度.针对心电信号中的肌电干扰信号,设计改进型分布式FIR低通滤波器.以MIT-BIH心电信号数据库为样本信号,对该滤波器进行数值仿真和电路测试,研究表明该滤波器能有效滤除肌电干扰信号,能提升信噪比、降低均方差,提高心电信号检测的准确率.因此,该设计对去除肌电干扰信号是有效和可靠的.     

怎样识读MIT-BIH中的心电信号

在现代的心电信号（ECG）研究中,需要有一个权威的心电图检测标准,而MIT-BIH就是全球应用广泛的权威心电数据库之一,因此,学会识读其中的心电数据显得尤为重要。     

记录图纸中ECG曲线数字化的方法研究

探讨了记录图纸中ECG曲线数字化方法 .着重研究了在± 4 5°范围内基于坐标变换的倾斜校正、基于点和窗口的曲线跟踪算法以及记录曲线中背景 (坐标网格 )的利用和剔除问题、图形中各种元素的理解和分离问题 .以MIT BIH心电数据库中的心电数据进行了“数字 DA 描记 扫描 转换”客观定量检验 ,比较分析了转换前后的心电数据均方误差 ,结果表明均方误差均未超过 3% .     

基于移动通信网的心电监护中心的设计与研究

针对远程心电监护系统中监护中心的设计进行了介绍,包括数据通信模块、数据库设计以及管理软件的设计。本系统具有心电采集分析、无线传输、语音和短信通信功能,实现了真正意义上的远程救治,提高了远程监护水平。     

基于心电信号提取呼吸信号的算法

为了通过心电监护完成对多种生理信号的检测, 降低监护设备的复杂性, 根据呼吸运动对心电信号的影响, 提出一种由心电信号提取呼吸信息(EDR: ECG-Derived Respiratory Signal) 的算法。首先, 根据Pan&Tompkins 算法从心电信号中提取R 波; 然后使用自然三次样条插值算法对心电信号的基线进行估计, 去除基线漂移, 得到干净的心电信号; 最后获取干净的心电信号R 波, 利用自然样条插值算法得到R 波幅值调制信号, 提取出呼吸信息。通过Matlab 软件对该算法进行验证, 并进行相关的分析比较。仿真结果表明, 该算法能从心电信号里提取呼吸信息。通过与数据库中同时记录的呼吸数据进行比对, 证实了算法的有效性。     

基于短时心电信号的身份识别方法

为了提高基于短时(1 s)心电信号进行身份识别的准确率,本文提出了一种残差块的一维卷积神经网络(one-dimensional convolutional neural network,1D-CNN)的短时心电信号身份识别方法。该方法采用快捷连接设计以解决深层卷积网络随着卷积层数增加而性能退化的问题,并通过增加卷积层数和卷积核数量来保证网络能够更充分地提取特征,进而提升网络的分类性能。本文方法在两个公开数据库心电数据库(electrocardiogram identification database,ECG-ID)和德国联邦物理技术研究院心电图诊断数据库(physikalish-technische bundesanstalt diagnostic ECG database,PTB)进行了实验,当采用一个心动周期(大约1 s)信号进行身份识别时,准确率分别达到了97.963%和99.359%。实验结果表明本文方法可以有效地提高短时心电信号的身份识别的准确率。     

基于高斯混合模型的标准心电波形筛选

针对基于心电信号身份识别中,由于随机选取的心电波形不完整(如T波缺失、R波缺失等)、变形等而影响身份识别准确率的问题,提出基于高斯混合模型的心电波形筛选方法.该方法将信号发生器产生的标准的心电信号切割成单心动周期,提取每个心动周期幅值、斜率、弧长及面积等46个特征,建立单心动周期标准心电波形的高斯混合模型,通过计算马氏距离判断某心电波形是否符合标准心电波形的高斯模型分布,实现具有明显PQRST特征的心电波形筛选.该方法在52人实际采集心电数据和ECG-ID数据库上分别进行了三组实验,不完整波形的平均拒绝率分别为97.87%、98.69%,能够有效挑选出完整的心电波形.     

基于混沌特性和BP神经网络的室性早搏的自动诊断

心电信号是诊断心血管疾病的重要依据.通过心电信号的混沌特性分析和Lyapunov指数导数的相关计算,准确提取了室性早搏(premature ventricular contraction,PVC)的特征,进而,通过BP神经网络的训练,完成了室性早搏心拍在心电信号数据序列中的正确识别,实现了室性早搏的自动诊断.利用MIT-BIH心律不齐数据库中的数据对算法的可行性进行了验证,结果表明该算法有良好的稳定性和较高的准确率,能很好地完成室性早搏的快速诊断.     

基于小波变换的自适应滤波器消除ECG中基线漂移

设计了一种新的基于小波变换的自适应滤波器，其参考信号选择原始信号经小波分解后的高频部分。该滤波器可有效消除心电信号中基线漂移。经ＭＩＴ／ＢＩＨ心电数据库检验，取得满意的结果。     

用于身份识别的ECG特征筛选策略研究

为了解决基于心电信号(ECG,Electrocardiogram)中基准点特征适用度的问题,在理想化的特征计算结果的基础上,本文提出引入由于计算机识别心电波形基准点所带来的误差,从实际应用角度选择出在身份识别中具有应用价值的特征.研究首先采用小波变换处理心电信号,将心电波形的基准点与不同阶小波系数相对应,自动检测基准点并同时获得检测准确率.然后,设计并实现了由基准点检测准确率估算基准点构成特征的准确率策略,进一步利用逐步判别法进行特征选择,最后,获得特征在用于身份识别中的筛选结果排序.研究采用PTB心电数据库(PhysikalischTechnische Bundesanstalt,德国国家计量科学院心电数据库)作为实验数据,在60人的数据集上进行身份识别,获得98.7%的准确率.     

基于心电图分析的心律失常分类

心律失常分类是心电图自动分析的重要内容。论文基于心律失常的心电波形特点,运用逻辑判别树方法实现心律失常分类。首先,运用数学形态学和小波变换算法检测心电波形的QRS波,计算RR间期、QRS波时限等参数;然后结合医生识读心电图判别依据,将所有心拍分成主导性心拍、室上性异常心拍、室性异常心拍、其他心拍4类。利用MIT-BIH心律失常数据库检验分类效果,统计结果表明总体准确率达到了94.2%。     

心电信号QRS波群的小波精确识别法

利用M arr小波特有的时频特性,采用离散小波变换的直接算法,对心电信号QRS波群进行识别,经M IT/B IH心电数据库的检测验证,即使有严重的噪声信号干扰,也能精确定位R波,其正确率为99.7%,能准确地识别QRS时限,实时地识别R波和QRS时限。可用于心电信号实时处理。     

基于心电图分析的心律失常分类

心律失常分类是心电图自动分析的重要内容。论文基于心律失常的心电波形特点,运用逻辑判别树方法实现心律失常分类。首先,运用数学形态学和小波变换算法检测心电波形的QRS波,计算RR间期、QRS波时限等参数;然后结合医生识读心电图判别依据,将所有心拍分成主导性心拍、室上性异常心拍、室性异常心拍、其他心拍4类。利用MIT-BIH心律失常数据库检验分类效果,统计结果表明总体准确率达到了94.2%。     

神经网络自适应共振理论应用于心电图QT间期自动检测？…

介绍一种利用改进的ＡＲＴ（自适应共振理论）人工神经网络检测心电图ＱＴ间期的方法,用经过训练的ＡＲＴ网络对心电波形进行分类和识别,较准确的测出Ｔ波终点位置,从而提高ＱＴ间期检测的正确率,该算法在一定程度上模拟了心电专家手工测量ＱＴ间期的过程,用于检测包括ＭＩＴ心律失常数据库（ＭＩＴ／ＢＩＨ Ａｒｒｈｙｔｈｍｉａ Ｄａｔａｂａｓｅ）在内的共近千个心跳波形,并以两位心电手工测量结果作为标准数据进行对比。     

基于自适应小波变换的QRS波检测算法

提出了一种新的心电ＱＲＳ波检测算法,该算法用心电信号的小波变换作为自适应白化滤波器的输入,然后对白化滤波后的输出进行匹配滤波和阈值检测来识别出ＱＲＳ波．用ＭＩＴ心电数据库对该算法进行了评估,并与其他几种算法的结果进行了比较,表明此算法在ＱＲＳ检出率和计算速度上都有一定的改善．     

神经网络自适应共振理论应用于心电图QT间期自动检测的研究

介绍一种利用改进的ART(自适应共振理论 )人工神经网络检测心电图QT间期的方法 .用经过训练的ART网络对心电波形进行分类和识别 ,较准确的测出T波终点位置 ,从而提高QT间期检测的正确率 .该算法在一定程度上模拟了心电专家手工测量QT间期的过程 ,用于检测包括MIT心律失常数据库 (MIT/BIHArrhythmiaDatabase)在内的共近千个心跳波形 ,并以两位心电手工测量结果作为标准数据进行对比 .对比结果显示 ,我们的算法对单路心电波形自动检测的准确度与通常手工测量具有可比性 ,充分体现了人工神经网络的优越性 ,在要求自动检测大量数据的场合具有显著的应用价值 .